JP5977898B1 - 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム - Google Patents

Abstract

記憶部は、患者の危険行動に関するインシデントレポートと紐付けられることによって危険行動が特定されたカルテ情報である既判断カルテ情報からあらかじめ抽出された、当該危険行動に関連する医療情報を格納する。関係性評価部は、インシデントレポートが紐付けられていない未判断カルテ情報を取得して、記憶部に格納された危険行動に関連する医療情報をもとに、未判断カルテ情報と当該未判断カルテ情報に対応する患者が取り得る危険行動との関係性を評価する。予測部は、関係性評価部の評価結果に応じて、未判断カルテ情報に対応する患者の危険行動を予測する。データ報知部は、予測部の予測結果を報知する。

Description

本発明は、行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラムに関する。

近年、医療事故に関する人々の関心が高まってきているため、医療に従事する者にとっては、医療訴訟のリスクが高まっているといえる。

一方、病院等の医療の現場では、インシデントレポートやオカレンスレポート等を残すことにより、医療事故の記録、ヒヤリハットを管理することが一般的に行われている。このインシデントレポートやオカレンスレポートを分析することにより、医療行為の中で発生した事故因子に関する情報を抽出して、将来的な医療事故の発生を予測する技術が知られている。

特開２００８−１６５６８０号公報 特許第３８６１９８６号公報

インシデントレポートやオカレンスレポートは、医療行為に起因する事故のみならず、例えば患者の転倒や落下による怪我など、患者の行動に起因する事故についても作成されることがある。本願の発明者は、インシデントレポートやオカレンスレポートを参照することにより、患者の行動に起因する事故、すなわち患者の危険行動の発生を予測できる可能性について認識するに至った。

本発明は、上記の問題点に鑑みてなされたものであり、その目的は、患者の危険行動の発生を予測する技術を提供することである。

前記目的を達成するために、本発明の一態様は、患者に発生する危険な状態を、コンピュータが予測する予測装置であって、前記コンピュータは、患者の行動に基づいた危険な状態が記録されたレポートに基づいて、前記レポートに対応する患者の電子カルテをメモリから取得し、前記取得された電子カルテから医療情報を取得し、医療従事者に前記取得された医療情報をレビューさせ、当該医療情報が前記危険な状態と関連する度合いを示す分類を、前記取得された電子カルテに対して設定させ、前記医療情報からデータ要素を抽出し、前記分類に対して前記データ要素が及ぼす関連性の度合いを評価し、前記メモリから、前記予測が適用されるべき要処理電子カルテを取得し、当該取得した要処理電子カルテを、前記データ要素と当該データ要素に与えられた前記評価とに基づいて、評価し、前記要処理電子カルテの評価結果に基づいて、前記要処理電子カルテに対応する患者に発生し得る前記危険な状態を予測する、ことを特徴とする。

前記目的を達成するために、本発明の他の態様は、患者に発生する危険な状態をコンピュータによって予測する予測方法であって、前記コンピュータが行うステップは、患者の行動に基づいた危険な状態が記録されたレポートに基づいて、前記レポートに対応する患者の電子カルテをメモリから取得するステップと、前記取得された電子カルテから医療情報を取得するステップと、医療従事者に前記取得された医療情報をレビューさせ、当該医療情報が前記危険な状態と関連する度合いを示す分類を、前記取得された電子カルテに対して設定させるステップと、前記医療情報からデータ要素を抽出し、前記分類に対して前記データ要素が及ぼす関連性の度合いを評価し、前記メモリから、前記予測が適用されるべき要処理電子カルテを取得するステップと、当該取得した要処理電子カルテを、前記データ要素と当該データ要素に与えられた前記評価とに基づいて、評価するステップと、そして、前記要処理電子カルテの評価結果に基づいて、前記要処理電子カルテに対応する患者に発生し得る前記危険な状態を予測するステップと、を備えることを特徴とする。さらに、本発明の他の態様は、コンピュータに、患者に発生する危険な状態を予測させるためのプログラム、そして、このプログラムが記録されたコンピュータ読取可能な記録媒体である。

本発明によれば、患者の危険行動の発生を予測する技術を提供することができる。

インシデントレポートの外観の一例を模式的に示す図である。 電子カルテの画面の一例を模式的に示す図である。 本発明の実施の形態に係る行動予測装置の要部構成を示すブロック図である。 本発明の実施の形態に係る行動予測装置が実行する危険予測処理の流れを説明するフローチャートである。

［行動予測装置の概要］
実施の形態に係る行動予測装置の概要を説明する。実施の形態に係る行動予測装置は、患者に対して施された医療看護業務と経過情報とが記載された電子カルテから、当該患者が起こす蓋然性が高い危険行動を予測する装置である。行動予測装置は、以下で説明する処理を実行可能な機器（情報処理装置）でありさえすればよく、例えば、パーソナルコンピュータ、スマートフォン、その他の電子機器などを用いて実現され得る。また、行動予測装置は、複数の情報処理装置が以下で説明する処理を分担して実行するコンピュータシステムとして実現されてもよい。

行動予測装置は、例えば、患者のカルテ情報を、当該患者が起こす可能性がある危険行動が予測されていない未判断カルテ情報として取得する。ここで「危険行動」とは、患者の転倒、打撲、骨折、落下、失禁など、インシデントレポートとして作成されるべき患者の行動ないしアクシデントを含む。なお、インシデントレポートとカルテ情報の詳細は後述する。

行動予測装置は、ある患者の未判断カルテ情報が新たに取得された場合、すでに作成されているインシデントレポートに紐付けられているカルテ情報（以下、「既判断カルテ情報」ということもある。）に基づいて、未判断カルテ情報の患者の危険行動を予測する。具体的には、行動予測装置は、未判断カルテ情報からデータ要素（例えば、当該未判断カルテ情報に含まれる文章、音声、画像、および／または映像を構成するキーワード、センテンス、段落、部分画像、部分音声、部分映像など）を抽出し、既判断カルテ情報を用いてそれぞれ評価された当該データ要素から、当該未判断カルテ情報のスコアを算出する。そして、行動予測装置は、算出されたスコアが所定の条件を満たす場合（例えば、当該スコアが所定の閾値を超過している場合）、未判断カルテ情報の患者について予測された危険行動として、予測報知需要者（例えば、患者、医師、看護師等）である医療従事者に通知する。

すなわち、行動予測装置は、所定の危険行動と関係するか否かが医師または看護師によって判断された結果に基づいて、未判断カルテ情報に対応する患者の危険行動を予測し、当該予測した結果を予測報知需要者に報知できる。例えば、行動予測装置は、経験豊富な医師がヒヤリハットを経験（患者の危険行動には至らなかったが、危険行動につながってもおかしくなかった経験）した場合、当該ヒヤリハットの状況と当該状況を示すカルテ情報との関係性を学習し、経験が乏しい医療従事者が同様の状況に遭遇したことによって類似のカルテ情報が取得された場合に、危険行動が発生する可能性があることを医療従事者に報知できる。

したがって、実施の形態に係る行動予測装置は、患者の危険行動の発生が予測されることを医療従者に報知できる。

［インシデントレポートおよびカルテ情報］
図１は、インシデントレポートの外観の一例を模式的に示す図である。インシデントレポートは、一般に、医療現場において患者に何らかの障害を与えるまでには至らなかったが、至ってもおかしくないような状況を経験したときに、看護師等の医療従事者が作成する報告書である。一方、オカレンスレポートは、医療現場において患者に何らかの障害を実際に与えるに至った場合に、看護師等の医療従事者が作成する報告書である。オカレンスレポートはアクシデントレポートと呼ばれることもある。なお、患者に与える何らかの障害には、投薬のミスや手術のミスを起因とする医療事故のみならず、患者が転倒したり車いすから落下したりすることで起因とする怪我なども含まれる。

このように、インシデントレポートとアクシデントレポートとでは、作成の契機（実際に患者に障害を与えたか否か）に相違があるものの、患者に不利益な状況が起こったときに作成される報告書であることでは共通する。そこで本明細書においては「インシデントレポート」は、「オカレンスレポート」または「アクシデントレポート」を含むものとする。また、インシデントレポートの作成の契機となった何らかの状況を「インシデント」と記載することもある。

上述したように、実施の形態に係る行動予測装置１００は、特に患者自身の危険行動が契機として作成されたインシデントレポートに着目する。しかしながら、患者自身の危険行動のみならず、いわゆる医療事故を契機として作成されたインシデントレポートを採用しても本発明は成立することは当業者であれば理解できることである。

図１に例示するインシデントレポートは、インシデントに関連する複数の情報が表形式で列挙されている。煩雑となることを避けるために全ての項目についての説明は省略するが、インシデントレポートには、患者を一意に識別するための患者コードＩＤや、インシデントが発生した年月日および時間帯、インシデントの発生場所、患者の状態等が記載されている。

このように、インシデントレポートは患者に不利益な状況が起こった場合に作成されるので、通常その患者には何らかの処置や薬の処方がなされている。電子カルテは、患者に施した処置や処方した薬等の医療情報がカルテ情報として記載されている。

図２は、電子カルテの画面の一例を模式的に示す図である。一般に「カルテ」とは、診療の記録や検査結果等の医療情報を記録するものである。電子カルテは、この医療情報を電子的に保存、閲覧、利用できるように設計されたシステムである。電子カルテは医療情報が電子化されているため、医療情報のデータベース化、ネットワーク化、または再利用等の活用が、例えば紙ベースのカルテと比較して容易となっている。

図２に例示する電子カルテでは、上述した医療情報が項目別に表示されている。例えば電子カルテの画面の上部には、患者を特定するための患者コードＩＤ、患者の氏名、性別、および年齢が表示されている。図２に示す電子カルテ中の患者コードＩＤと、図１に示すインシデントレポート中の患者コードＩＤとは同じである。これは、図２に示す電子カルテの患者と、図１に示すインシデントレポートの患者とが同一であることを示している。このように、一つのインシデントレポートは、例えば患者コードＩＤを介して一つの電子カルテと紐付けられて（対応づけられて）いる。

図２に示すように、電子カルテには患者の既往症や各種医療機器で撮像して得られた画像データ、患者に施した処置や処方した薬、患者の自由主訴などの医療情報が記載されている。また図示はしていないが、医師等の医療従事者と患者との対話の音声記録が電子カルテと紐付けられていてもよい。

［行動予測装置１００の構成］
図３は、行動予測装置１００の要部構成を示すブロック図である。図３に示されるように、行動予測装置１００は、制御部１０（未判断データ取得部１１、既判断データ取得部１２、要素評価部１３、スコア算出部１４、条件判定部１５、関係性評価部１６、関係付与部１７、予測部１８、閾値特定部１９、格納部２０、データ報知部２１）、入力部４０、および記憶部３０を備えている。

制御部１０は、行動予測装置１００が有する各種の機能を統括的に制御する。制御部１０は、未判断データ取得部１１、既判断データ取得部１２、要素評価部１３、スコア算出部１４、条件判定部１５、関係性評価部１６、関係付与部１７、予測部１８、閾値特定部１９、格納部２０、およびデータ報知部２１、を含む。

未判断データ取得部１１は、患者のカルテ情報から、医療情報１を取得する。ここで「医療情報」とは、例えば医師または看護師が患者に対して施した処置のみならず、患者の年齢、性別、既往歴、入院歴、身長、体重、血圧、血液の状態、入院の時期、遺伝子解析データ、生活データ、問診データ（例えば、吐き気や目眩がする、１週間程前から症状が出ている、左を向いて寝ると痛みが和らぐ、患部がヒリヒリする等）、生活データ（例えば、タバコを吸う、酒を毎日飲む、運動の習慣等）、患者の臨床データ（例えば、妊娠中、糖尿病を患っている等）、家族の病歴（例えば、父が脳梗塞、母が癌等）、各種モダリティで撮影された画像データ等、患者に関するデータであればどのようなデータであってもよい。

未判断データ取得部１１は、取得した医療情報１のうち、患者が起こす所定の危険行動と関係するか否かが医師によって判断されるべきデータ１ａを、既判断データ取得部１２および要素評価部１３に出力し、他のデータ１ｂ（未判断医療情報）をスコア算出部１４に出力する。なお、インシデントレポートが紐付けられていないカルテ情報に含まれる医療情報は、未判断医療情報である。したがって、以下本明細書において、「未判断カルテ情報」は、そこに記載されている未判断医療情報を意味するものとする。

既判断データ取得部１２は、データ１ａが所定の危険行動と関係するか否かが医師によって判断された結果（レビュー結果５ａ）を、入力部４０を介して当該医師から取得する。これにより、既判断医療情報（データ１ａとレビュー結果５ａとのペア）を取得する。具体的には、既判断データ取得部１２は、入力部４０から取得された入力情報５ｂに基づいて、未判断データ取得部１１から入力されたデータ１ａに対応するレビュー結果５ａを取得する。そして、既判断データ取得部１２は、当該レビュー結果５ａを要素評価部１３および閾値特定部１９に出力する。

なお、レビュー結果５ａを行動予測装置１００に与える医師と、当該行動予測装置１００からレビュー結果を受け取る（すなわち、当該行動予測装置１００からデータ１ｂを報知される）医師とは、同じ医師であってもよいし、異なる医師であってもよい。後者の場合、例えば、経験豊富な医師の経験・判断基準を行動予測装置１００が学習し、当該学習結果に基づいて、データ１ｂを経験が乏しい医師に報知することができる。すなわち、行動予測装置１００は、経験豊富な医師の経験・知識・知見を、経験が乏しい医師に生かすことができる。

要素評価部１３は、既判断カルテ情報に含まれる医療情報であるデータ要素を、所定の基準に基づいてそれぞれ評価する。具体的には、データ１ａが各種検査報告、カルテ中の手書きの文字情報であった場合、要素評価部１３は、当該文字情報を文書データに変換する。データ１ａが問診時の音声情報であった場合、要素評価部１３は、当該問診時の音声情報を認識することによって当該問診時の音声情報を文字（文書データ）に変換する。そして、要素評価部１３は、当該文書データに含まれるキーワード（データ要素）と当該キーワードを含むデータ１ａ（例えば、問診時の音声情報、又は各種検査報告、カルテ等の文字情報、およびこれらの組み合わせ）に対して医師が判断した結果（レビュー結果５ａ）との依存関係を表す伝達情報量を、上記所定の基準の１つとして当該キーワードの重みを算出することによって、当該キーワードを評価することができる。なお、要素評価部１３は、任意の音声認識アルゴリズム（例えば、隠れマルコフモデル、カルマンフィルタ、ニューラルネットワークなど）を用いて、上記問診時の音声情報を認識してよい。

または、データ１ａが画像情報であった場合、要素評価部１３は、任意の画像認識技術（例えば、ブースティングやサポートベクタマシンを用いた機械学習、パターンマッチング、ベイズ推定、マルコフ連鎖モンテカルロなどの技術）を用いることにより、当該画像情報に含まれるオブジェクトを、データ要素として特定できる。そして、要素評価部１３は、当該画像情報に含まれるオブジェクト（データ要素）と当該オブジェクトを含むデータ１ａ（画像情報）に対して医師が判断した結果（レビュー結果５ａ）との依存関係を表す伝達情報量を、上記所定の基準の１つとして当該オブジェクトの重みを算出することにより、当該オブジェクトを評価できる。要素評価部１３は、上記データ要素と当該データ要素の重みとのペアである要素情報５ｃを、スコア算出部１４および格納部２０に出力する。

スコア算出部１４は、要素評価部１３によって評価された結果（要素情報５ｃ）を用いて、データ１ａと所定の危険行動との関係性の強さを示すスコア５ｄを算出する。スコア算出部１４は、算出したスコア５ｄを閾値特定部１９に出力する。また、未判断データ取得部１１からデータ１ｂ（未判断医療情報）が入力された場合、スコア算出部１４は、当該データ１ｂについてスコア５ｅを算出し、当該算出したスコア５ｅを条件判定部１５に出力する。

スコア算出部１４は、医療情報１（データ１ａまたはデータ１ｂ）に含まれるデータ要素の重みを合算することによって、当該医療情報１のスコア（スコア５ｄまたはスコア５ｅ）を算出できる。例えば、医療情報１が、カルテ中に含まれる１日前に特定の薬が投与されたという記録である場合を考える。この場合、「１日前」および「薬の名称」というデータ要素が要素評価部１３によってそれぞれ評価された結果、「１.２」および「２.２」という重みが設定された場合、スコア算出部１４は、当該データ１のスコアを「３.４」（１.２＋２.２）と計算できる。

具体的には、スコア算出部１４は、所定のデータ要素が医療情報１に含まれるか否かを示す要素ベクトルを生成する。上記要素ベクトルは、当該要素ベクトルのそれぞれの要素が「０」または「１」の値をとることによって、当該要素に対応付けられた所定のデータ要素が、上記医療情報１に含まれるか否かを示すベクトルである。例えば、上記医療情報１に「１日前」というデータ要素が含まれている場合、スコア算出部１４は、上記要素ベクトルの上記「１週間ほど前」に対応する要素を「０」から「１」に変更する。そして、スコア算出部１４は、以下の式のように、上記要素ベクトル（縦ベクトル）と重みベクトル（各データ要素に対する重みを要素にした縦ベクトル）との内積を計算することにより、上記データ１のスコアＳを計算する。

ここで、ｓは要素ベクトルを表し、Ｗは重みベクトルを表す。なお、Ｔは行列・ベクトルを転置する（行と列とを入れ替える）ことを表す。

または、スコア算出部１４は、以下の式にしたがってスコアＳを算出してもよい。

ここで、ｍ_ｊは、ｊ番目のデータ要素の出現頻度を表し、ｗ_ｉは、ｉ番目のデータ要素の重みを表す。

なお、スコア算出部１４は、データ１ａおよび／またはデータ１ｂに含まれる第１データ要素が評価された結果（第１データ要素の重み）と、当該データ１ａおよび／またはデータ１ｂに含まれる第２データ要素が評価された結果（第２データ要素の重み）とに基づいて、スコア５ｄおよび／またはスコア５ｅを算出してよい。すなわち、スコア算出部１４は、第１データ要素がデータに出現した場合、当該データにおいて第２データ要素が出現する頻度（すなわち、第１データ要素と第２データ要素との相関、共起ともいう）を考慮して、データのスコアを計算できる。これにより、行動予測装置１００は、データ要素間の相関関係を考慮してスコアを算出できるため、より高い精度で所定の危険行動と関係する医療情報１のデータを抽出できる。

条件判定部１５は、スコア算出部１４によって算出されたスコア５ｅに基づいて、データ１ｂが、当該データ１ｂを予測報知需要者に報知するための所定の条件を満たしているか否かを判定する。例えば、条件判定部１５は、スコア５ｅと適合閾値（所定の閾値）６とを比較することにより、当該スコア５ｅが当該適合閾値６を超過しているか否かを、上記所定の条件の１つとして判定してよい。

または、条件判定部１５は、時系列に沿って取得される複数のデータ１ａに対してそれぞれ算出されたスコア５ｄの移動平均と、時系列に沿って取得される複数のデータ１ｂに対してそれぞれ算出されるスコア５ｅの移動平均との相関が高まったか否かを、上記所定の条件の１つとして判定してもよい。例えば、上記複数のデータ１ａが、ヒヤリハットを経験した状況（患者の行動が危険行動には至らなかったが、危険行動につながってもおかしくなかった状況）であったことを示すレビュー結果５ａが経験豊富な医師から得られたデータである場合、条件判定部１５は、上記複数のデータ１ａに対してそれぞれ算出されたスコア５ｄの移動平均を所定のパターンとして抽出する。

そして、条件判定部１５は、上記所定のパターンと上記スコア５ｅの移動平均との相関を算出する。言い換えれば、条件判定部１５は、経過時間および／またはスコアをずらしながら、両者の一致度（相関）を計算する。当該相関が高くなる場合、条件判定部１５は、今回のスコア５ｅは将来において、上記所定のパターンに連動するように、同様の値をとる（すなわち、同様のヒヤリハットが起こる可能性が高い）と判定する。

または、条件判定部１５は、未判断データ取得部１１によって過去に取得された第３者の医療情報（データ１ａ）の変移と、危険行動の予測対象となる患者の医療情報（データ１ｂ）の変移との相関が高まったか否かを、上記所定の条件の１つとして判定してもよい。例えば、上記医療情報（データ１ａ）が、ヒヤリハットを経験した状況であったことを示すレビュー結果５ａが経験豊富な医師から得られたデータである場合、条件判定部１５は、両医療情報の変移について相関を算出し、当該相関が高くなる場合、今回の生体情報は将来において、過去の生体情報に連動するように、同様の値をとる（すなわち、同様のヒヤリハットが起こる可能性が高い）と判定する。条件判定部１５は、判定した結果（判定結果５ｆ）を関係性評価部１６に出力する。

関係性評価部１６は、所定の危険行動と関係するか否かが判断されていない未判断医療情報（データ１ｂ）が新たに取得された場合、ユーザ（例えば、医師、看護師などの医療従事者）によって当該所定の危険行動と関係するか否かが判断された既判断医療情報（データ１ａとレビュー結果５ａとのペア）に基づいて、当該未判断医療情報と当該所定の危険行動との関係性を評価する。例えば、未判断医療情報（データ１ｂ）と所定の危険行動との関係性を示す指標として、スコア算出部１４によって算出されたスコア５ｅが閾値６を超過している場合（すなわち、条件判定部１５によって超過していると判定された場合）、当該未判断医療情報と当該所定の危険行動とが関係していると評価する。関係性評価部１６は、評価した結果（評価結果５ｇ）を関係付与部１７に出力する。

関係付与部１７は、関係性評価部１６によって評価された結果（評価結果５ｇ）に基づいて、未判断情報（データ１ｂ）が所定の危険行動と関係することを示す関係性情報５ｈを付与し、当該関係性情報５ｈを予測部１８に出力する。

予測部１８は、関係性評価部１６によって評価された関係性に応じて、未判断医療情報（データ１ｂ）から対応する患者の危険行動を予測する。具体的には、データ報知部２１は、所定の危険行動と関係することを示す関係性情報５ｈが、関係付与部１７によって付与されたデータ１ｂをもとに、上記患者の危険行動を予測する。予測部１８は、予測結果５ｉをデータ報知部２１に出力する。データ報知部２１は、予測部１８の予測結果を予測報知需要者に出力する。

閾値特定部１９は、所定の危険行動に関係すると判断されたデータ１ａが、所定数のデータを含むデータ群に占める割合を示す適合率に対して設定された目標値（目標適合率）を超過可能な最小のスコアを、適合閾値６として特定する。具体的には、スコア算出部１４からスコア５ｄが入力された場合、閾値特定部１９は、当該スコア５ｄを降順に並べ替える。次に、閾値特定部１９は、最大のスコア５ｄ（スコアのランクが１位）を有するデータ１ａから順番に当該データ１ａに付与されたレビュー結果５ａを走査し、「所定の危険行動と関係する」というレビュー結果５ａが付与されたデータの数が、現時点において走査が終了したデータの数に占める割合（適合率）を、順次計算する。

例えば、レビュー結果５ａが付与されたデータ１ａの数が１００である場合に、スコアのランクが１位から２０位までのデータについて走査を終了したところ、「所定の危険行動と関係する」というレビュー結果５ａが付与されたデータの数が１８であった場合、閾値特定部１９は、適合率を０.９（１８／２０）と計算する。または、スコアのランクが１位から４０位までのデータについて走査を終了したところ、「所定の危険行動と関係する」というレビュー結果５ａが付与されたデータの数が３５であった場合、閾値特定部１９は、適合率を０.８７５（３５／４０）と計算する。

閾値特定部１９は、データ１ａに対する適合率をすべて計算し、目標適合率を超過可能な最小のスコアを特定する。具体的には、閾値特定部１９は、最小のスコア５ｄ（スコアのランクが１００位）を有するデータ１ａから順番に当該データ１ａに対して計算された適合率を走査し、当該適合率が目標適合率を超過した場合、当該適合率に対応するスコアを、上記目標適合率を維持可能な最小スコア（適合閾値６）として条件判定部１５および格納部２０に出力する。

格納部２０は、要素評価部１３から要素情報５ｃが入力された場合、当該要素情報５ｃに含まれるデータ要素と、当該データ要素が評価された結果（重み）とを対応付けて、記憶部３０に格納する。すなわち、記憶部３０は、患者の危険行動に関するインシデントレポートと紐付けられ、危険行動が特定されたカルテ情報である既判断カルテ情報から当該危険行動に関連する医療情報を格納する格納部として機能する。これにより、行動予測装置１００は、インシデントレポートに紐付けられたカルテ情報に記載されている過去の医療情報を分析した結果（データ要素が評価された結果としての重み）に基づいて現在のデータを分析することによって、所定の危険行動と関係するデータを抽出できる。また、格納部２０は、閾値特定部１９から適合閾値６が入力された場合、当該適合閾値６を記憶部３０に格納する。

入力部（所定の入力部）４０は、医師から入力を受け付ける。図３は、行動予測装置１００が入力部４０を備えた構成（例えば、入力部４０としてキーボード、マウスなどが接続された構成）を示すが、当該入力部４０は、当該行動予測装置１００と通信可能に接続された外部の入力装置（例えば、クライアント端末）であってもよい。

記憶部（所定の記憶部）３０は、例えば、ハードディスク、ＳＳＤ（silicon state drive）、半導体メモリ、ＤＶＤ（Digital Versatile Disc）など、任意の記録媒体によって構成される記憶機器であり、カルテ情報、要素情報５ｃ、適合閾値６、および／または行動予測装置１００を制御可能な制御プログラム等を記憶する。なお、図３は、行動予測装置１００が記憶部３０を内蔵する構成を示すが、当該記憶部３０は、当該行動予測装置１００と通信可能に接続された外部の記憶装置であってもよい。

［重みの再計算］
所定の危険行動と関係すると行動予測装置１００によって判断されたデータ１ｂが、データ報知部２１によって危険行動の予測報知需要者に報知された後、既判断データ取得部１２は、当該判断に対するフィードバックを医師から受け付けることができる。すなわち、医師は、行動予測装置１００によって判断された結果が妥当であるか否かを、上記フィードバックとしてそれぞれ入力できる。

要素評価部１３は、上記フィードバックに基づいて各データ要素を再評価できる。具体的には、要素評価部１３は、以下の式にしたがって各データ要素の重みを算出する。

ここで、ｗ_ｉ,ＬはＬ回目学習後のｉ番目のデータ要素の重みを表し、γ_ＬはＬ回目学習における学習パラメータを表し、θは学習効果の閾値を表す。

すなわち、要素評価部１３は、行動予測装置１００の判断に対して新たに得られたフィードバックに基づいて重みを再計算できる。これにより、行動予測装置１００は、分析の対象とするデータに適合した重みを獲得し、当該重みに基づいて正確にスコアを算出できるため、より高い精度で所定の危険行動と関係する医療情報のデータを抽出できる。

［行動予測装置１００が実行する処理］
行動予測装置１００が実行する処理（行動予測装置１００の制御方法）は、所定の危険行動と関係するか否かが判断されていない未判断医療情報（データ１ｂ）が新たに取得された場合、医師によって当該所定の危険行動と関係するか否かが判断された既判断医療情報（データ１ａとレビュー結果５ａとのペア）に基づいて、当該未判断医療情報と当該所定の危険行動との関係性を評価する関係性評価ステップと、関係性評価ステップにおいて評価した関係性に応じて、未判断医療情報を病気の予測報知需要者に報知するデータ報知ステップとを含んでいる。

図４は、行動予測装置１００が実行する処理の一例を示す詳細なフローチャートである。なお、以下の説明において、カッコ書きの「〜ステップ」は、上記行動予測装置の制御方法に含まれる各ステップを表す。

未判断データ取得部１１は、所定の危険行動と関係するか否かが医師によって判断されるべきデータ１ａを、（例えば、電子カルテなどから）取得する（ステップ１、以下「ステップ」を「Ｓ」と略記する）。次に、既判断データ取得部１２は、データ１ａが所定の危険行動と関係するか否かについて医師が判断した結果（レビュー結果５ａ）を、入力部４０を介して取得する（Ｓ２）。次に、要素評価部１３は、上記所定の危険行動と関係するか否かが医師によって判断されたデータに含まれるデータ要素を、所定の基準に基づいてそれぞれ評価する（Ｓ３）。そして、スコア算出部１４は、要素評価部１３によって評価された結果（要素情報５ｃ）に基づいて、上記所定の危険行動との関係性の強さを示すスコア５ｄをデータ１ａについてそれぞれ算出する（Ｓ４）。閾値特定部１９は、上記所定の危険行動に関係すると判断されたデータ１ａが、所定数のデータを含むデータ群に占める割合を示す適合率に対して設定された目標値（目標適合率）を超過可能な最小のスコアを、適合閾値６として特定する（Ｓ５）。

次に、スコア算出部１４は、要素評価部１３によって評価された結果（要素情報５ｃ）に基づいて、上記所定の危険行動との関係性の強さを示すスコア５ｅをデータ１ｂについてそれぞれ算出する（Ｓ６）。条件判定部１５は、要素評価部１３によって評価された結果（要素情報５ｃ）に基づいて、上記所定の危険行動と関係するか否かが未だ判断されていないデータ１ｂについて算出されたスコア５ｅが、適合閾値６を超過しているか否かを判定し（Ｓ７）、超過していると判定される場合（Ｓ７においてＹＥＳ）、関係性評価部１６は、データ１ｂが上記所定の危険行動と関係していると評価する（Ｓ８、関係性評価ステップ）。

関係付与部１７は、関係性評価部１６によって評価されたデータ１ｂに、当該データ１ｂが上記所定の危険行動と関係することを示す関係性情報（行動予測装置１００によるレビュー結果）を付与する（Ｓ９）。予測部１８は、関係性評価ステップにおける評価結果に応じて、前記未判断カルテ情報に対応する患者の危険行動を予測する（Ｓ１０、予測ステップ）最後に、データ報知部２１は、当該データ１ｂを危険行動の予測報知需要者に報知する（Ｓ１１、データ報知ステップ）。

なお、上記制御方法は、図４を参照して前述した上記処理だけでなく、制御部１０に含まれる各部において実行される処理を任意に含んでよい。

［行動予測装置１００が奏する効果］
以上のように、行動予測装置１００は、所定の危険行動と関係するか否かが判断されていない未判断医療情報が新たに取得された場合、医師によって当該所定の危険行動と関係するか否かが判断された既判断医療情報に基づいて、当該未判断医療情報と当該所定の危険行動との関係性を評価し、当該関係性に応じて、未判断医療情報を病気の予測報知需要者に報知する。

したがって、行動予測装置１００は、病気の予測報知需要者に信頼性が高い診断結果を報知できるという効果を奏する。

［サーバ装置が機能の一部または全部を提供する構成］
以上では、インシデントレポートに紐付けられたカルテ情報から取得された複数の医療情報から、患者の所定の危険行動と関係する医療情報を抽出可能な行動予測装置の制御プログラムが、当該行動予測装置１００において実行される構成（スタンドアロン構成）を説明した。

一方、上記制御プログラムの一部または全部がサーバ装置において実行され、当該実行された処理の結果が上記行動予測装置１００（ユーザ端末）に返される構成（クラウド構成）であってもよい。すなわち、本発明の行動予測装置は、ユーザ端末とネットワークを介して通信可能に接続されたサーバ装置として機能することができる。これにより、サーバ装置は、上記行動予測装置１００が機能を提供する場合に、当該行動予測装置１００が奏する効果と同じ効果を奏する。

［ソフトウェアによる実現例］
行動予測装置１００の制御ブロック（特に、制御部１０）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェアによって実現してもよい。後者の場合、行動予測装置１００は、各機能を実現するソフトウェアである行動予測装置１００の制御プログラムの命令を実行するＣＰＵ、上記制御プログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭ（Read Only Memory）または記憶装置（これらを「記録媒体」と称する）、上記制御プログラムを展開するＲＡＭ（Random Access Memory）などを備えている。そして、コンピュータ（またはＣＰＵ）が上記制御プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記制御プログラムは、当該制御プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。本発明は、上記制御プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

具体的には、本発明の実施の形態に係る行動予測装置の制御プログラムは、コンピュータに患者の危険行動を予測する行動予測機能を実現させる制御プログラムであり、コンピュータとして実現される上記行動予測装置に、関係性評価機能、およびデータ報知機能を実現させる。上記関係性評価機能、およびデータ報知機能は、上述した関係性評価部１６、およびデータ報知部２１によってそれぞれ実現され得る。詳細については上述した通りである。

なお、上記制御プログラムは、例えば、Ruby、Perl、Python、ActionScript、JavaScript（登録商標）などのスクリプト言語、C++、Objective-C、Java（登録商標）などのオブジェクト指向プログラミング言語、HTML5などのマークアップ言語などを用いて実装できる。

［付記事項１］
本発明は上述したそれぞれの実施の形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施の形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施の形態についても、本発明の技術的範囲に含まれる。さらに、各実施の形態にそれぞれ開示された技術的手段を組み合わせることにより、新しい技術的特徴を形成できる。

また、本発明の一態様に係る行動予測装置において、要素評価部は、データ要素と当該データ要素を含む既判断データに対して医師が判断した結果との依存関係を表す伝達情報量を、所定の基準の１つとして、当該データ要素を評価することができる。

［付記事項２］
本発明の一態様に係る行動予測装置は、データ、患者情報、アクセス履歴情報を含むデジタル情報を取得し、患者情報から特定の患者を指定し、指定された特定の患者に関するアクセス履歴情報に基づいて、特定の患者がアクセスしたデータのみを抽出し、抽出されたデータに含まれる所定のファイルが、所定の危険行動に関連するものであるか否かを示す付帯情報を設定し、付帯情報に基づいて、所定の危険行動に関連する所定のファイルを出力する。

本発明の一態様に係る行動予測装置は、データおよび患者情報を含むデジタル情報を取得し、患者情報に含まれる患者のうちいずれの患者に関連するものであるかを示す患者特定情報を設定し、患者を指定し、指定された患者に対応する患者特定情報が設定された所定のファイルを検索し、検索された所定のファイルが、所定の危険行動に関連するものであるか否かを示す付帯情報を設定し、付帯情報に基づいて、所定の危険行動に関連する所定のファイルを出力する。

本発明の一態様に係る行動予測装置は、データ要素データベースに、（１ａ）分別符号Ａ、（１ｂ）分別符号Ａが付与されたデータに含まれるデータ要素、（１ｃ）分別符号Ａとデータ要素との対応関係を示すデータ要素対応情報が保存されており、関連データ要素データベースに、（２ａ）分別符号Ｂ、（２ｂ）分別符号Ｂが付与されたデータにおいて出現頻度が高い関連データ要素、（２ｃ）分別符号Ｂと関連データ要素との対応関係を示す関連データ要素対応情報が保存されており、上記（１ｃ）のデータ要素対応情報に基づいて、上記（１ｂ）のデータ要素を含むデータに対して分別符号Ａを付与し、分別符号Ａを付与しなかったデータから、上記（２ｂ）の関連データ要素を含むデータを抽出し、関連データ要素の評価値・数に基づいてスコアを算出し、そのスコアと上記（２ｃ）の関連データ要素対応情報に基づいて、スコアが一定値を超過したデータに分別符号Ｂを付与し、分別符号Ｂを付与しなかったデータに対して、医師から分別符号Ｃの付与を受け付ける。

本発明の一態様に係る行動予測装置は、データに対して所定の危険行動との関連性を示す分別符号を付与するために、医師から分別符号の入力を受け付け、データを分別符号ごとに分別し、分別されたデータにおいて共通して出現するデータ要素を解析・選定し、選定されたデータ要素をデータから探索し、探索した結果と、データ要素を解析した結果とを用いて、分別符号とデータとの関連性を示すスコアを算出し、算出したスコアに基づいて、データに分別符号を付与する。

本発明の一態様に係る行動予測装置は、医師が所定の危険行動に関連するか否かを判断するためのデータ要素をデータベースに登録し、データベースに登録されたデータ要素をデータから検索し、検索されたデータ要素を含むセンテンスを、データから抽出し、抽出されたセンテンスから抽出される特徴量により、所定の危険行動との関連度合いを示すスコアを算出し、スコアに応じてセンテンスの強調の程度を変化させる。

本発明の一態様に係る行動予測装置は、医師が行った医療情報についての所定の危険行動との関連性判断の結果、または関連性判断の進捗速度を実績情報として記録し、結果または進捗速度に関する予測情報を生成し、実績情報および予測情報を比較し、比較結果に基づいて、医師の関連性判断に対する評価を呈示するアイコンを生成する。

本発明の一態様に係る行動予測装置は、データと所定の危険行動との関連性を示す結果情報について、医師から入力を受け付け、データに共通して出現するデータ要素の特徴から、そのデータ要素の評価値を結果情報ごとに算出し、評価値に基づいてデータ要素を選定し、選定されたデータ要素とその評価値とから、データのスコアを算出し、スコアに基づいて再現率を算出する。

本発明の一態様に係る行動予測装置は、データを医師に対して表示し、レビューの対象データに対して、医師が所定の危険行動に関連するか否かの判断に基づいて付与した識別情報（タグ）を受け付け、タグを受け付けた対象データの特徴量と、データの特徴量とを比較し、比較結果に基づいて、所定のタグに対応するデータのスコアを更新し、更新されたスコアに基づいて、表示されるデータの表示順番を制御する。

本発明の一態様に係る行動予測装置は、ソースコードが更新された際には、更新されたソースコードを記録し、記録されたソースコードから実行可能ファイルを作成し、実行可能ファイルを検証するために実行し、実行した検証結果を送信し、検証結果の配信をサーバが受け付ける。

本発明の一態様に係る行動予測装置は、医師が所定の危険行動との関連性について判断するデータと、データを分類するための分類条件を医師に選択させるための分類ボタンとを表示し、医師が選択した分類ボタンに関する情報を選択情報として受け付け、選択情報に基づいてデータを分析した結果によってデータを分類し、分類した結果に基づいてデータを表示する。

本発明の一態様に係る行動予測装置は、音声・画像データの付帯情報をそれぞれ確認し、付帯情報に基づいて音声・画像データを分類し、分類した音声・画像データの付帯情報に含まれる要素を抽出し、抽出した要素に基づいて類似度を解析し、類似度に基づいて統合して解析する。

本発明の一態様に係る行動予測装置は、パスワードで保護されたパスワード付ファイルを抽出し、パスワードの候補となる候補単語が登録された辞書ファイルを用いて、パスワード付ファイルに対して候補単語を入力し、パスワード解除済ファイルに対して、医師が行った所定の危険行動との関連性の判断結果を受け付ける。

本発明の一態様に係る行動予測装置は、バイナリ形式の検索対象ファイルのデータを、複数のブロックに分割し、ブロックのデータを、バイナリ形式の検索先ファイルから検索し、検索された結果を出力する。

本発明の一態様に係る行動予測装置は、調査対象となる対象デジタル情報を選択し、特定事項と関連性を有する複数の単語の組み合せを格納し、選択された対象デジタル情報の中に、格納されている複数の単語の組み合せが含まれているか否かを検索し、含まれている場合、形態素解析の結果に基づいて、対象デジタル情報の特定事項との関連性を判断し、判断結果を対象デジタル情報に対応づける。

本発明の一態様に係る行動予測装置は、画像情報・音声情報から画像群・音声群を抽出し、画像群・音声群に分別符号を付与するために、医師から分別符号の入力を受け付け、画像群・音声群を分別符号ごとに分別し、分別された画像群・音声群において共通して出現するデータ要素を解析・選定し、選定したデータ要素を、画像情報・音声情報から探索し、探索した結果とデータ要素を解析した結果とを用いて、スコアを算出し、算出したスコアに基づいて、画像情報・音声情報に分別符号を付与し、スコアの算出結果および分別結果を画面に表示し、再現率と規格化順位との関係に基づいて、再確認に必要な画像数・音声数を算出する。

本発明の一態様に係る行動予測装置は、データ要素データベースに、（１ａ）分別符号Ａ、（１ｂ）分別符号Ａが付与されたデータに含まれるデータ要素、（１ｃ）分別符号Ａとデータ要素との対応関係を示すデータ要素対応情報が保存されており、関連データ要素データベースに、（２ａ）分別符号Ｂ、（２ｂ）分別符号Ｂが付与されたデータにおいて出現頻度が高い関連データ要素、（２ｃ）分別符号Ｂと関連データ要素との対応関係を示す関連データ要素対応情報が保存されており、上記（１ｃ）のデータ要素対応情報に基づいて、上記（１ｂ）のデータ要素を含むデータに対して分別符号Ａを付与し、分別符号Ａを付与しなかったデータから、上記（２ｂ）の関連データ要素を含むデータを抽出し、関連データ要素の評価値・数に基づいてスコアを算出し、そのスコアと上記（２ｃ）の関連データ要素対応情報に基づいて、スコアが一定値を超過したデータに分別符号Ｂを付与し、分別符号Ｂを付与しなかったデータに対して、医師から分別符号Ｃの付与を受け付け、分別符号Ｃを付与されたデータを解析し、解析した結果に基づいて、分別符号が付与されていないデータに対して分別符号Ｄを付与する。

本発明の一態様に係る行動予測装置は、所定の危険行動との関連性を示すスコアをデータごとに算出する。算出したスコアに基づいて所定の順序でデータを抽出し、抽出されたデータに対して、医師が所定の危険行動との関連性に基づいて付与した分別符号を受け付け、分別符号に基づいて、抽出されたデータを分別符号ごとに分別し、分別されたデータにおいて、共通して出現するデータ要素を解析・選定し、選定したデータ要素をデータから探索し、探索結果と解析結果とを用いて、スコアをデータごとに再度算出する。

本発明の一態様に係る行動予測装置は、調査基礎データベース（不図示）に、所定の危険行動に関連する情報が格納されており、所定の危険行動のカテゴリの入力を受け付け、受け付けたカテゴリに基づいて、調査の対象とする調査カテゴリを判定し、調査基礎データベースから必要な情報の種類を抽出する。

本発明の一態様に係る行動予測装置は、特定の振る舞いをした行動主体のネットワーク上のメッセージファイルの送受信履歴に基づいて作成された行動発生モデルを格納し、主体のネットワーク上のメッセージファイルの送受信履歴に基づいて、主体のプロファイル情報を作成し、プロファイル情報と行動発生モデルとの適合性を示すスコアを算出し、スコアに基づいて、特定の行動が発生する可能性を判定する。

本発明の一態様に係る行動予測装置は、所定の危険行動に関して、案件ごとの分別作業結果を含む案件調査結果を収集し、所定の危険行動に関して調査するための調査モデルパラメータを登録し、新たな調査案件の調査内容が入力されると、登録された調査モデルパラメータを検索して、入力情報に関連した調査モデルパラメータを抽出し、抽出した調査モデルパラメータを用いて調査モデルの出力を行い、調査モデル出力結果から新たな調査案件の調査を実施するための事前情報を構成する。

本発明の一態様に係る行動予測装置は、患者に関する患者情報を取得し、患者情報に基づいて、一定時間ごとに、更新されたデジタル情報を取得し、取得されたデジタル情報に関する、記録先情報、ファイル名、メタデータに基づいて、取得されたデジタル情報を構成する複数のファイルを、所定の保存場所に整理し、整理された複数のファイルの状況を、デジタル情報にアクセスした患者の状況が把握できるよう可視化した状況分布を作成する。

本発明の一態様に係る行動予測装置は、デジタル情報に関連付けられているメタデータを取得し、特定事項と関係を有する第１デジタル情報とメタデータとの関係に基づいて、重みづけパラメーターセットを更新し、重みづけパラメーターセットを用いて、形態素とデジタル情報との関連性を更新する。

本発明の一態様に係る行動予測装置は、対象データに対して手動で付与された分別符号を受け付け、対象データの関連性スコアを計算し、関連性スコアに基づいて、分別符号の正誤を判断し、正誤判断の結果に基づいて、対象データに付与すべき分別符号を決定する。

本発明の一態様に係る行動予測装置は、所定の危険行動が属するカテゴリの入力を受け付け、受け付けたカテゴリに基づいて調査を行い、調査の結果を報告するための報告書を作成し、調査基礎データベースに、所定の危険行動に関連する情報を格納し、受け付けたカテゴリに基づいて、調査の対象とする調査カテゴリを判定し、必要な情報の種類を調査基礎データベースから抽出し、抽出した情報の種類を医師に提示し、提示された情報の種類に対応した、分別符号の付与に利用されるデータ要素の入力を、医師から受け付け、データに対して自動で分別符号を付与する。

本発明の一態様に係る行動予測装置は、主体の公開情報を取得し、公開情報を分析し、主体の外的要素を出力し、特定の振る舞いをした行動主体の行動外的要素に基づいた行動発生モデルを格納し、主体の外的要素から行動発生モデルに適合する行動要因を抽出して格納し、主体の内部情報を取得し、内部情報を分析し、主体の内的要素を出力し、内的要素と行動要因との類似性に基づいて、解析対象を自動で特定する。

本発明の一態様に係る行動予測装置は、デジタル情報と特定事項との関連性を示す関連性情報を、医師から取得し、デジタル情報と特定事項との関連に応じて決定される関連性スコアを、デジタル情報ごとに算出し、関連性スコアの所定の範囲ごとに、各範囲に含まれる関連性スコアを有するデジタル情報の総数に対して、その範囲に含まれるデジタル情報に付与された関連性情報の数の比率を算出し、各範囲のそれぞれに対応づけられた複数の区画を、比率に基づいて色相、明度、または彩度を変化させて表示する。

本発明の一態様に係る行動予測装置は、データと分別符号との結びつきの強さを示すスコアを時系列的に算出し、算出されたスコアから、スコアの時系列的な変化を検出し、検出されたスコアの時系列的な変化を判定するに際し、所定の基準値を超えたスコアの変化した時期を判定した結果に基づいて、調査案件と抽出されたデータの関連度を調査判定する。

本発明の一態様に係る行動予測装置は、特定事項と関連性を有するものであって、共起表現を含む複数のデータ要素に対応づけられる重み付け情報を格納し、デジタル情報にスコアを対応づけ、スコアに基づいて、デジタル情報から標本となる標本デジタル情報を抽出し、抽出された標本デジタル情報を解析することで、重み付け情報を更新する。

本発明の一態様に係る行動予測装置は、複数のデータに含まれるそれぞれのデータを分類可能な指標であるカテゴリを選択し、スコアをカテゴリごとに算出する。

本発明の一態様に係る行動予測装置は、所定の危険行動の原因となる、所定の行動主体による所定の行為を、当該所定の行為の進展に応じて分類するフェーズを、スコアに基づいて特定し、フェーズの時間的な遷移に基づいて、特定されたフェーズの変化を推定する。

本発明の一態様に係る行動予測装置は、所定の危険行動の原因となる所定の行為が生じる生成過程モデルを、当該所定の行為の進展に応じて分類するフェーズごとに格納し、所定の危険行動に関連する情報を、カテゴリおよび生成過程モデルごとに格納し、フェーズの時間的な序列を示す時系列情報を格納し、これらの情報に基づいて画像情報・音声情報を分析し、所定の行為が生じる可能性を示す指標を分析した結果から算出する。

本発明の一態様に係る行動予測装置は、所定の危険行動の原因となる所定の医療情報が生じる生成過程モデルを、当該所定の進展に応じて分類するフェーズごとに格納し、所定の危険行動に関連する情報を、カテゴリおよび生成過程モデルごとに格納し、フェーズの時間的な序列を示す時系列情報を格納し、所定の危険行動に関連する複数の人物の関係性を格納し、これらの情報に基づいてデータを分析し、現在のフェーズを特定する。

本発明の一態様に係る行動予測装置は、動作を表す動詞が音声に含まれる場合、動作の対象を表す目的語を特定し、動詞および目的語を含む音声の属性を示すメタデータと、その動詞および目的語とを関連付け、関連付けに基づいて、音声と症状との関係性を評価し、症状に関連する複数の人物の関係性を表示する。

本発明の一態様に係る行動予測装置は、複数の端末間で送受信され、複数の人物のそれぞれに対応づけられる通信データを取得し、取得した通信データの内容を分析し、分析結果を用いて、通信データの内容と所定の危険行動との関係性を評価し、評価結果に基づいて、所定の危険行動に関連する複数の人物の関係性を表示する。

本発明の一態様に係る行動予測装置は、データ群に含まれるデータが、データ群と所定の危険行動との関連度を示す分別符号と結びつく強さを示すスコアを算出し、算出されたスコアに応じて、そのスコアを医師に報告し、所定の危険行動の調査種類に応じて、調査レポートを出力する。

本発明の一態様に係る行動予測装置は、データ（例えば、問診時の音声）に含まれるセンテンスに所定のデータ要素が含まれるか否かを示すデータ要素ベクトルを、センテンスごとに生成し、データ要素ベクトルを、所定のデータ要素と他のデータ要素との相関を示す相関マトリクスにそれぞれ乗じることによって、センテンスごとに相関ベクトルを得、全ての相関ベクトルについて合算した値に基づいて、スコアを算出する。

本発明の一態様に係る行動予測装置は、所定の危険行動と関係するか否かが医師によって分別された分別データに含まれるデータ要素の重みづけを学習し、所定の危険行動と関係するか否かが医師によって未だ分別されていない未分別データから、分別データに含まれるデータ要素を探索し、探索されたデータ要素と学習されたデータ要素の重みづけを用いて、未分別データと分別符号との結びつきの強さを評価したスコアを算出する。

本発明の一態様に係る行動予測装置は、カルテ情報に含まれる患者の感情を分析し、当該感情に基づいて危険行動を予測することもできる。この場合、本発明の一態様に係る行動予測装置は、カルテ情報に含まれるデータ要素（患者の感情表現を含むデータ要素、例えば、「楽になった」、「痛い」、「苦しい」などの形態素）に対する感情評価を対応付けて記憶する。例えば、カルテ情報に含まれるテキストについて、予め定められたキーワード（当該キーワードは、テキストの場合では、感情に関する文言）が当該テキストに含まれるか否かを探索する。含まれていた場合に、当該キーワードを所定の基準に従って算出した感情スコアを当該キーワードに対応付けて記憶部に記憶しておく。本発明の一態様に係る行動予測装置は、未判断カルテ情報から、予め定められた感情に係るキーワードを抽出する。そして、抽出したキーワードに対して、記憶部において対応付けられている感情スコアを参照する。本発明の一態様に係る行動予測装置は、は、未判断カルテ情報から抽出されたキーワード各々の感情スコアを統合して、当該未判断カルテ情報の感情スコアとする。例えば、テキストに、「最近、足が痛い。立ち上がるときにフラフラする。」という文章が含まれていたとする。そして、キーワードとして、予め、「痛い」「フラフラ」が記憶部に格納され、それぞれ、「＋１．４」、「＋０．９」という感情スコアが対応付けられているとする。この場合、本発明の一態様に係る行動予測装置は、当該テキストに対する感情スコアとしては、例えば、両者を加算して、「＋２．３」という感情スコアを算出する。そして、本発明の一態様に係る行動予測装置は、当該感情スコアに基づいて危険行動（この場合は転倒）を予測する。

このように、本発明の行動予測装置は、複数のデータ（カルテ情報など）を含むデータ群を、「人間の思考および行動の結果によるデータの集合体」として捉え、例えば、人間の行動に関連する分析、人間の行動を予測する分析、人間の特定の行動を検知する分析、人間の特定の行動を抑制する分析などを行うことによって、データからパターンを抽出し、当該パターンと所定の事案（すなわち、危険行動）との関係性を評価することができる。したがって、本発明は、患者の危険行動の発生を予測する技術を提供することができる。

１：データ、１ａ：データ、１ｂ：データ、５ａ：レビュー結果（医師によって判断された結果）、５ｄ：スコア、５ｅ：スコア、６：適合閾値（所定の閾値）、１１：未判断データ取得部、１２：既判断データ取得部、１３：要素評価部、１４：スコア算出部、１５：条件判定部（超過判定部）、１６：関係性評価部、１７：関係付与部、１８：予測部、１９：閾値特定部、２０：格納部、２１：データ報知部、１００：行動予測装置。

本発明は、患者の危険行動の発生を予測する技術に利用可能である。

Claims (9)

1. 患者に発生する危険な状態を、コンピュータが予測する予測装置であって、
   前記コンピュータは、
   患者の行動に基づいた危険な状態が記録されたレポートに基づいて、前記レポートに対応する患者の電子カルテをメモリから取得し、
   前記取得された電子カルテから医療情報を取得し、
   医療従事者に前記取得された医療情報をレビューさせ、当該医療情報が前記危険な状態と関連する度合いを示す分類を、前記取得された電子カルテに対して設定させ、
   前記医療情報からデータ要素を抽出し、前記分類に対して前記データ要素が及ぼす関連性の度合いを評価し、
   前記メモリから、前記予測が適用されるべき要処理電子カルテを取得し、
   当該取得した要処理電子カルテを、前記データ要素と当該データ要素に与えられた前記評価とに基づいて、評価し、
   前記要処理電子カルテの評価結果に基づいて、前記要処理電子カルテに対応する患者に発生し得る前記危険な状態を予測する、
   予測装置。
2. 前記コンピュータは、
   前記データ要素の前記関連性の度合いをスコアとして評価し、
   前記データ要素のスコアに基づいて前記要処理電子カルテのスコアを算出し、
   前記要処理電子カルテのスコアに基づいて、当該要処理電子カルテに対応する患者に発生し得る危険な状態を予測し、当該予測の結果を前記医療従事者に報知する
   請求項１に記載の予測装置。
3. 前記コンピュータは、
   前記データ要素のスコアに基づいて、前記取得された複数の電子カルテ夫々のスコアを算出し、
   当該算出されたスコアのうち、前記取得された複数の電子カルテに対する、前記危険な状態に関連するとして分類された電子カルテの割合である適合率に対して目標値を設定し、
   当該目標値を超過するスコアを閾値として設定し、
   前記スコアが前記閾値を越える前記要処理電子カルテに対応する患者に、前記危険な状態が生じ得ると判定する、
   請求項２に記載の予測装置。
4. 前記コンピュータは、
   前記データ要素のスコアに基づいて、前記取得された複数の電子カルテ夫々のスコアを算出し、
   時系列に沿って取得された前記複数の電子カルテ夫々に算出されたスコアの移動平均と、時系列に沿って取得された前記複数の要処理電子カルテ夫々に算出されるスコアの移動平均と、の相関の高低を判定し、
   当該判定の結果に基づいて、前記要処理電子カルテに含まれる医療情報と前記危険な状態との関係性を評価する、
   請求項２又は３に記載の予測装置。
5. 前記コンピュータは、
   前記要処理電子カルテの評価結果に基づいて、当該要処理電子カルテに含まれる医療情報が前記危険な状態に関係することを示す関係性情報を当該要処理電子カルテに付与する
   請求項１乃至４のいずれか一項に記載の予測装置。
6. 前記コンピュータは、
   前記レポートに記録された転倒、及び／又は、落下を前記危険な状態として設定し、
   前記要処理電子カルテの評価結果に応じて、当該要処理電子カルテに対応する患者に、当該危険な状態が発生し得るかを予測する、
   請求項１乃至５のいずれか一項に記載の予測装置。
7. 患者に発生する危険な状態をコンピュータによって予測する予測方法であって、
   前記コンピュータが行うステップは、
   患者の行動に基づいた危険な状態が記録されたレポートに基づいて、前記レポートに対応する患者の電子カルテをメモリから取得するステップと、
   前記取得された電子カルテから医療情報を取得するステップと、
   医療従事者に前記取得された医療情報をレビューさせ、当該医療情報が前記危険な状態と関連する度合いを示す分類を、前記取得された電子カルテに対して設定させるステップと、
   前記医療情報からデータ要素を抽出し、前記分類に対して前記データ要素が及ぼす関連性の度合いを評価し、
   前記メモリから、前記予測が適用されるべき要処理電子カルテを取得するステップと、
   当該取得した要処理電子カルテを、前記データ要素と当該データ要素に与えられた前記評価とに基づいて、評価するステップと、そして、
   前記要処理電子カルテの評価結果に基づいて、前記要処理電子カルテに対応する患者に発生し得る前記危険な状態を予測するステップと、
   を備える予測方法。
8. コンピュータに、患者に発生する危険な状態を予測させるためのプログラムであって、
   前記コンピュータに、
   患者の行動に基づいた危険な状態が記録されたレポートに基づいて、前記レポートに対応する患者の電子カルテをメモリから取得させる機能と、
   前記取得された電子カルテから医療情報を取得させる機能と、
   医療従事者に前記取得された医療情報をレビューさせ、当該医療情報が前記危険な状態と関連する度合いを示す分類を、前記取得された電子カルテに対して設定させる機能と、
   前記医療情報からデータ要素を抽出し、前記分類に対して前記データ要素が及ぼす関連性の度合いを評価し、
   前記メモリから、前記予測が適用されるべき要処理電子カルテを取得させる機能と、
   当該取得した要処理電子カルテを、前記データ要素と当該データ要素に与えられた前記評価とに基づいて、評価させる機能と、そして、
   前記要処理電子カルテの評価結果に基づいて、前記要処理電子カルテに対応する患者に発生し得る前記危険な状態を予測させる機能と、
   を実現させるためのプログラム。
9. 請求項８記載のプログラムが記録された、コンピュータ読取可能な記録媒体。

Images